一种基于设备所处生命周期阶段的设备状态预测方法 .pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN109376892A

(43)申请公布日2019.02.22

(21)申请号CN201810600330.2

(22)申请日2018.06.12

(71)申请人电子科技大学

地址611731四川省成都市高新区(西区)西源大道2006号

(72)发明人李波张浩

(74)专利代理机构电子科技大学专利中心

代理人陈一鑫

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

一种基于设备所处生命周期阶段的

设备状态预测方法

(57)摘要

该发明公开了一种基于设备所处生

命周期阶段的设备状态预测方法，涉及数

据处理领域，具体是结合设备生命周期理

论对设备特定状态指标进行预测的方法。

针对现有设备远程监测系统的不足，提供

了一种基于设备所处生命周期阶段的设备

状态预测方法。本方法针对传统的远程监

测系统未考虑设备长期使用过程中故障率

呈阶段性变化的特性进行改进，引入设备

生命周期理论用来描述被监测设备在不同

生命周期阶段中的故障率表现，并根据监

测的状态数据进一步对ARIMA‑SVR组合

预测模型做出改进，提高对设备未来状态

的预测精度。

法律状态

法律状态公告日法律状态信息法律状态

2021-11-02授权授权

2019-03-19实质审查的生效实质审查的生效

2019-02-22公开公开

权利要求说明书

1.一种基于设备所处生命周期阶段的设备状态预测方法,该方法包括:

步骤1:将设备的生命周期分为磨合期q

1

、健壮期q

2

、衰退期q

3

三个状态;

步骤2:根据监测数据使用隐马尔可夫模型判断设备所处生命周期阶段,并确定其对

应的影响因子;

步骤3:根据步骤2中求得的设备生命周期影响因子对ARIMA-SVR组合预测模型

进行改进,依据状态监测数据预测设备未来状态信息。

步骤2:根据监测数据使用隐马尔可夫模型判断设备所处生命周期阶段,并确定其对

应的影响因子;

步骤2.1模型学习:依据设备历史监测数据,使用Baum-Welch算法对隐马尔可夫模

型λ=(π,A,B)的各参数进行估计;

给定模型初始参数λ

0

={π

0

,A

0

,B

0

},π为隐含状态初始概率分布,即初始状态q

i

对应的概率为π

i

,A为状态转移概率矩阵,B为观测状态概率矩阵;递推Baum-Welch算法对参数估计

公式为:

其中,

表示状态转移概率矩阵A中的第(i,j)元素的估计值,

表示观测状态概率矩阵B状态为j观测为k的概率估计值,

表示状态q

i

对应概率的估计值,o

t

表示t时刻观测值,v

k

表示观测值为k,T表示总时间,ξ

t

(i,j)表示给定观测序列O及隐马尔可夫模型的前提下t时刻为隐含状态为q

i

及t+1时刻为隐含状态q

j

的概率,γ

t

(i)表示给定观测序列O及隐马尔可夫模型的前提下t时刻为隐含状态q

i

的概率;

使用Baum-Welch算法计算所得的

作为新的初始参数,迭代使用Baum-Welch算法计算π、A、B的值,直到达到收敛误

差或最大迭代步长,最终确定模型各参数最后估计值;

步骤2.2在步骤2.1隐马尔可夫模型估计参数的基础上λ=(π,A,B),及新的观测序列

O=(o

1

,o

2

,...,o

T

),使用Vite